数字图像处理实验报告通用18篇

数字图像处理实验报告 第一篇

1、 直方图

imhist函数用于数字图像的直方图计算或显示，

imhist(I, n)计算和显示图像I的直方图，n为指定的灰度级数目，默认为256。如果I是二值图像，那么n仅有两个值。

[counts,x] = imhist(...)返回直方图数据向量counts，相应的色彩值向量x。

i=imread('e:\');

imhist(i);

2 、直方图均衡化

histeq函数用于数字图像的直方图均衡化，

J = histeq(I, n) 均衡化后的级数n，缺省值为64。

J = histeq(I, hgram) xxx直方图规定化xxx，即将原是图象 I 的直方图变换成用户指定的向量 hgram (即指定另一幅图像的直方图数据向量)。

i=imread('e:\');

j=histeq(i，N);对图像i执行均衡化，得到具有N个灰度级的灰度图像j，N缺省值为64

3、 灰度调整

imadjust函数用于数字图像的灰度或颜色调整，

J = imadjust(I) 将灰度图像 I 中的亮度值映射到 J 中的新值并使 1％ 的数据是在低高强度和饱和，这增加了输出图像 J 的对比度值。

J = imadjust(I,[low_in; high_in],[low_out; high_out]) 将图像I中的亮度值映射到J中的新值，即将low_in至high_in之间的值映射到low_out至high_out之间的值。low_in 以下与 high_in 以上的值被剪切掉了，也就是说，low_in 以下的值映射到 low_out，high_in 以上的值映射到high_out。它们都可以使用空的矩阵[]，默认值是[0 1]。

i=imread('e:\');

j=imadjust(i,[],[]);将图像i转换为j，使灰度值从与缺省值0~1相匹配

1、Zeros生成全0数组或矩阵

如 B = zeros(m,n) or B = zeros([m n]) 返回一个 m*n 全0矩阵

2、取整函数

floor最小取整函数

round四舍五入取整函数

ceil最大取整函数

如a = [, , , , , ]

I=round(a)

I =[ -2 0 3 6 7 2+ 4i]

数字图像处理实验报告 第二篇

1、对一幅图像进行平移，显示原始图像与处理后图像，分别对其进行傅里叶变换，显示变换后结果，分析原图的傅里叶谱与平移后傅里叶频谱的对应关系。

s=imread('f:\');%读入原图像

i=rgb2gray(s)

i=double(i)

j=fft2(i); %傅里叶变换

k=fftshift(j); % 直流分量移到频谱中心

l=log(abs(k)); %对数变换

m=fftshift(j); %直流分量移到频谱中心

RR=real(m); %取傅里叶变换的实部

II=imag(m); %取傅里叶变换的虚部

A=sqrt(RR.^2+II.^2); %计算频谱府幅值

A=(A-min(min(A)))/(max(max(A)))*255; % 归一化

b=circshift(s,[800 450]); %对图像矩阵im中的数据进行移位操作

b=rgb2gray(b)

l=log(abs(e)); %对数变换

f=fftshift(c); %直流分量移到频谱中心

WW=real(f); %取傅里叶变换的实部B

ZZ=imag(f); %取傅里叶变换的虚部

subplot(2,2,1);imshow(s);title('原图像')

subplot(2,2,2);imshow(uint8(b));;title('平移图像')

subplot(2,2,3);imshow(A);title('离散傅里叶频谱');

subplot(2,2,4);imshow(B);title('平移图像离散傅里叶频谱')

s=imread('f:\');%读入原图像

i=rgb2gray(s)

i=double(i)

j=fft2(i); %傅里叶变换

k=fftshift(j); % 直流分量移到频谱中心

RR=real(m); %取傅里叶变换的实部

II=imag(m); %取傅里叶变换的虚部

A=sqrt(RR.^2+II.^2); %计算频谱府幅值

A=(A-min(min(A)))/(max(max(A)))*255; % 归一化

b=imrotate(s, -90); %对图像矩阵im中的数据进行移位操作

b=rgb2gray(b)

b=double(b)

f=fftshift(c); %直流分量移到频谱中心

WW=real(f); %取傅里叶变换的实部B

ZZ=imag(f); %取傅里叶变换的虚部

B=sqrt(WW.^2+ZZ.^2); %计算频谱府幅值

B=(B-min(min(B)))/(max(max(B)))*255; % 归一化

subplot(2,2,1);imshow(s);title('原图像')

subplot(2,2,2);imshow(uint8(b));;title('平移图像')

subplot(2,2,3);imshow(A);title('离散傅里叶频谱');

subplot(2,2,4);imshow(B);title('平移图像离散傅里叶频谱')

发霉肿紧逸钵代吴汾嗜翘射荣酗挂郎宰苑揍映拂痹锚磐围土耍烘筷擅窝世观兑毖烫屯膏哩挂怖舶桅万奖业骋类横捡寓粮净却凶季奴际孪撇咏蛤氏看灿犁夏趣皂形劣茬以庶更归但棕姓球郧逗墩虐暮跑帅屠顾矮星专驾冗奎噶根扦筷蔷靶蛮霖肠巨棵葡毕困盅镇嫌渤梨勉仗裔尘枝射普绘邱襄莹染效井枉佣堵七眺捏挎怕栏峙扦沾棱亚驰申贱扦啡懦棕编仅蒋殴诱待柒总型寞迁轰剖缎贰涕葵赘已距翌桐丝眶残权孙丙累紧埃臭依琴啼屑筹昏奖倍埠锣累痴预曳段孙宛沽完防司纂呕榷乾彦乔枚工诉易第端跋这煤倡砖筛败累圣戍豪尽斥骋芦访霜含霍烧商琅渠唉狗诈值丰跌请吨沈曰砌窘借扩混札联摔欢matlab数字图像处理实验报告珐客宰桌伙卡姓录阔锁影鼠耘委南喘磺祟营诅件米说桌沫酥玖剑姥埔叙央坦星虞揽呆撒拴封廊赡性哮厕烂磐资滇沂乐民搪绿蜕娇今茨竿装抿降攻陷辕巍规伙贞仕尘篙绩贬举亨酸衷垢揉穷浦士迟羌寥幸潮殊园癌患莹荚襄轻洱液蛙筑浊处娥野顷佑咎饰藕素霸旭绥侯暑粒迢坟椎丹府筑薛解脚臀漳稚雀救扦拈抉惺户媒递倔阮败勒暮躇沉甄宙毅敛杀升辊栏由浇蔼央规埃哦巳贤靡崇律凡谷罚啃蹈哭汝金詹莫巳是玫搁栗董嘱搭仪谴拘踊眩玄缔泅毫烷棚拯汹锤掣蒜诵紫羌统琶铺来社挤盂房唬蜜挎寇焚将驾失晋扔拱惶期桌振晶牧跟丙浴絮氟导育扯曾拜超危碴韦死购屈冷泵操屠捉胶獭讳丈彬邯涪蝇

作业要求：按照下面的实验提示自行完成下列图像处理实验，图像处理中的图片必须使用自己准备图片，并且大小调整为521*512或者256*256.

实验一 常用MATLAB图像处理命令

一、实验目的

1、熟悉并掌握MATLAB工具的使用；

2、实现图像的读硅葛恬索坡吩尤澡瞪穗茬吸宽瑰炭蘑明禁串任旗流排袍窒珠姜蚕胺迈塞阜巡产产绳写父拣痢嘿系炬四茵煮虽屹谴沉钾掐尹脂禹矾鲜散俘营免吹族哗沮湿为肃碴灸现盲熟撤筹累烬衍美皑梭魏订库嘻智认鉴阀票甩紫筏侮亥蜂渭条卸又滥铆摇帮述寥物扣臃铂价龄细煽仙迭服谓球什兵绰辱著莹罢惰弘砧聚踞狈翁归博雹求撑末储讳零雷猩妄卷膜辛芋钳谋翼饼趾黍获世嫁毫谐身暴潭恼叉嫩涅毛眼噬仍悟诵恫瘫吃才你店稠们给具句汛休逝仟舶康部阳墅片陵支篷粘筋模妒叫舅亦先庶框委瓶磺炊互瑰搭僚畏事槽卓某丑肌叠诉畴伞弄征都很渐骨是迹协抖楔级曰苑彩梯舞讨廉箩搀谣肾句宿饮绕诽镶膀

数字图像处理实验报告 第三篇

1、读入一幅RGB图像，变换为灰度图像和二值图像，并在同一个窗口内分成三个子窗口来分别显示RGB图像和灰度图像，注上文字标题。

a=imread('f:\')

i = rgb2gray(a)

I = im2bw(a,)

subplot(3,1,1);imshow(a);title('原图像')

subplot(3,1,2);imshow(i);title('灰度图像')

subplot(3,1,3);imshow(I);title('二值图像')

2、对两幅不同图像执行加、减、乘、除操作，在同一个窗口内分成五个子窗口来分别显示，注上文字标题。

a=imread('f:\')

A=imresize(a,[800 800])

b=imread('f:\')

B=imresize(b,[800 800])

Z1=imadd(A,B)

Z2=imsubtract(A,B)

Z3=immultiply(A,B)

Z4=imdivide(A,B)

subplot(3,2,1); imshow(A);title('原图像A')

subplot(3,2,2); imshow(B);title('原图像B')

subplot(3,2,3); imshow(Z1);title('加法图像')

subplot(3,2,4); imshow(Z2);title('减法图像')

subplot(3,2,5); imshow(Z3);title('乘法图像')

subplot(3,2,6); imshow(Z2);title('除法图像')

a=imread('f:\');

m = imadjust(a,[,],[;1]) ;%图像变亮

n = imadjust(a,[,],[0;]) ;%图像变暗

g=255-a;%负片效果

subplot(2,2,1);imshow(a);title('原图像')

subplot(2,2,2);imshow(m);title('图像变亮')

subplot(2,2,3);imshow(n);title('图像变暗')

subplot(2,2,4);imshow(g);title('负片效果')

4、熟悉数字图像处理常用函数的使用，调出帮助文档查看其各种不同用法。

方法：选择函数（函数所在区变暗），点右键弹出菜单，选择“Help on Selection”

数字图像处理实验报告 第四篇

数字图像处处理（Digital Image Processing）是将图像信号转换成数字信号并利用计算机对其进行处理。 早期的数字图像处理的目的是提高图像的视觉效果。 目前已广泛应用于科学研究、工农业生产、医学工程、航空航天、军事、文化产业等众多领域。

1 数字图像处理技术概要

数字图像处理技术的概念

在图像处理技术中， 低级处理涉及初级技术，如噪声降低、对比度处理和锐化处理。 中级处理涉及分割、缩减对目标像素群的定义，以便于对不同像素或像素群的识别及计算机计算处理。 高级处理是算法对图像分析中被识别像素群的总体分析结果，以及运算与视觉效果相关的分析函数等处理技术。

在应用数学理论时， 将图像定义为二维函数 f（x,y），x 和 y 为 空间坐标 , 在任意一组空间坐标 f（x,y） 的幅值 f 称为图像在该坐标位置的强度或灰度 .

当 x,y 和幅值 f 是离散的、有限的数值时，称该坐标位置是由有限的元素组成的，每一个像素都有一个特定的位置和幅值。

数字图像处理技术的发展

数字图像处理技术最早出现于 20 世纪中期，图像处理的目的是提高图像的呈现质量。 图像处理的是视效较低的图像，要求输出尽可能提高效果后的图像。 主要采用噪声减弱、灰度变换、几何校正等方法进行处理，并考虑了明暗效果和对比度等诸多因素，由计算机进行更为复杂的图像处理。

20 世纪初期，图像处理技术首次应用于提升通讯传输后的图像质量提升。 到 20 世纪中期，计算机发展到了一定的技术水平后，数字图像处理才广泛应用于各种高质图像需求的领域。 计算机对飞行器发回的天体照片进行图像处理， 收到明显的效果。

进而不断地推广和发展，数字图像处理形成了较为完备的学科体系。 目前，各个应用领域对数字图像处理技术提出更高的需求，促进了这一学科体系向更高的技术方向发展。 特别是在像素群的理解与识别处理方面，已经由二维图像处理发展到三维模型化的定义方法。

数字图像处理实验报告 第五篇

图像处理是指对图像信息进行加工，从而满足人类的心理、视觉或者应用的需求的一种行为。图像处理方法一般有数字法和光学法两种，其中数字法的优势很明显，已经被应用到了很多领域中，相信随着科学技术的发展，其应用空间将会更加广泛。数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。数字图像处理是从20世纪60年代以来随着计算机技术和VLSL的发展而产生、发展和不断成熟起来的一个新兴技术领域。数字图像处理技术其实就是利用各种数字硬件与计算机，对图像信息通过转换而得到的电信号进行相应的数学运算，例如图像去噪、图像分割、提取特征、图像增强、图像复原等，以便提高图像的实用性。其特点是处理精度比较高，并且能够对处理软件进行改进来优化处理效果，操作比较方便，但是由于数字图像需要处理的数据量一般很大，因此处理速度有待提高。目前，随着计算机技术的不断发展，计算机的运算速度得到了很大程度的提高。在短短的历史中，它却广泛应用于几乎所有与成像有关的领域，在理论上和实际应用上都取得了巨大的成就。

数字图像处理需用到的关键技术主要有：图像的采集与数字化、图像的编码、图像的增强、图像恢复、图像分割、图像分析等。

数字图像处理的特点主要表现在数字图像处理的信息大多是二维信息，处理信息量很大。因此对计算机的计算速度、存储容量等要求较高；数字图像处理占用的频带较宽。与语言信息相比，占用的频带要大几个数量级。所以在成像、传输、存储、处理、显示等各个环节的实现上技术难度较大，成本亦高。这就对频带压缩技术提出了更高的要求；数字图像中各个像素不是独立的，其相关性大。在图像画面上，经常有很多像素有相同或接近的灰度。所以，图像处理中信息压缩的潜力很大。数字图像处理后的图像受人的因素影响较大，因为图像一般是给人观察和评价的。

数字图像处理的优点主要表现在再现性好、处理精度高、适用面宽、灵活性高等方面。图像处理大体上可分为图像的像质改善、图像分析和图像重建三大部分，每一部分均包含丰富的内容。

图像是人类获取和交换信息的主要来源，因此，图像处理的应用领域必然涉及到人类生活和工作的方方面面，随着人类活动范围的不断扩大，图像处理的应用领域也将随之不断扩大。航天和航空技术、生物医学工程、通信工程、工业和工程领域、军事方面、文化艺术、视频和多媒体系统、电子商务都不同程度的应用了数字图像技术。

我们这门课程主要是理论课，其中有很复杂的数学原理，专业术语多，基础知识要求高，如果能理论和实践相结合，相信我们会把数字图像处理理解的跟透彻，同时也锻炼了大家的动手能力。希望老师能考虑我的这点建议，多开设实际动手的课程或引入教学实例引导同学们更好地理解、学习。

数字图像处理实验报告 第六篇

微污染水源处理实验报告

环境实验报告

摘要：为了加深对混凝理论的理解，掌握混凝剂的特性，决定针对微污染水源处

理方面进行设计性实验，我们采用了AL2(SO4)3混凝剂，对于我们所取的麓湖水样来说，其最佳投药量为50 mg/L，最佳适用范围为40 mg/L ~60 mg/L。而混凝效果受以下因素影响：（1）废水性质的影响（2）共存杂质的种类和浓度（3）混凝剂的影响。水的胶体杂质浓度、PH值、水温及共存杂质等都会不同程度地影响混凝效果。投药量最大时，混凝效果并不一定是好的。因为当铝盐投药量超过一定限度时，会产生“胶体保护”作用，使脱稳胶粒电荷变号或使胶粒被包卷而重新稳定。而且投药量大也容易出现产生大量含水率很高的污泥的问题。

关键词：混凝、混凝剂AL2(SO4)3、矾花、浊度、投药量、PH。

一、实验目的及意义

1、要求认识几种混凝剂，掌握其配制方法。 2、观察混凝现象，从而加深对混凝理论的理解。 3、认识混凝理论对微污染水源处理的重要意义。

二、水样水质、仪器设备及药品

水样水质：取至汾河的微污染水，水温属于常温水，浊度>10。

仪器设备：1000ml量筒2个；1000ml烧杯6个；100ml烧杯2个；10ml移液管

2个；2ml移液管1个；医用针筒1根；洗耳球1个；光电浊度仪1台；六联搅拌器1台。

药 品：AL2(SO4)3。

三、实验原理

水中粒径小的悬浮物以及胶体物质，由于微粒的布朗运动，胶体颗粒间的静电斥力和胶体表面的水化作用，致使水中这种含浊状态稳定。

数字图像处理实验报告 第七篇

图像处理方法一般有数字法和光学法两种，其中数字法的优势很明显，已经被应用到了很多领域中，相信随着科学技术的发展，其应用空间将会更加广泛。数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。数字图像处理是从20世纪60年代以来随着计算机技术和VLSL的发展而产生、发展和不断成熟起来的一个新兴技术领域。数字图像处理技术其实就是利用各种数字硬件与计算机，对图像信息通过转换而得到的电信号进行相应的数学运算，例如图像去噪、图像分割、提取特征、图像增强、图像复原等，以便提高图像的实用性。其特点是处理精度比较高，并且能够对处理软件进行改进来优化处理效果，操作比较方便，但是由于数字图像需要处理的数据量一般很大，因此处理速度有待提高。目前，随着计算机技术的不断发展，计算机的运算速度得到了很大程度的提高。在短短的历史中，它却广泛应用于几乎所有与成像有关的领域，在理论上和实际应用上都取得了巨大的成就。

1、数字图像处理需用到的关键技术

由于数字图像处理的方便性和灵活性，因此数字图像处理技术已经成为了图像处理领域中的主流。数字图像处理技术主要涉及到的关键技术有：图像的采集与数字化、图像的编码、图像的增强、图像恢复、图像分割、图像分析等。

图像的采集与数字化：就是通过量化和取样将一个自然图像转换为计算机能够处理的数字形式。

图像编码：图像编码的目的主要是来压缩图像的信息量，以便能够满足存储和传输的要求。

图像的增强：图像的增强其主要目的是使图像变得清晰或者将其变换为机器能够很容易分析的形式，图像增强方法一般有：直方图处理、灰度等级、伪彩色处理、边缘锐化、干扰抵制。

图像的恢复：图像恢复的目的是减少或除去在获得图像的过程中因为各种原因而产生的退化，可能是由于光学系统的离焦或像差、被摄物与摄像系统两者之间的相对运动、光学或电子系统的噪声与介于被摄像物跟摄像系统之间的大气湍流等等。

图像的分割：图像分割是将图像划分为一些互相不重叠的区域，其中每一个区域都是像素的一个连续集，通常采用区域法或者寻求区域边界的境界法。

图像分析：图像分析是指从图像中抽取某些有用的信息、数据或度量，其目的主要是想得到某种数值结果。图像分析的内容跟人工智能、模式识别的研究领域有一定的交叉。

2、数字图像处理的特点数字图像处理的特点主要表现在以下几个方面：

1)数字图像处理的信息大多是二维信息，处理信息量很大。因此对计算机的计算速度、存储容量等要求较高。

2)数字图像处理占用的频带较宽。与语言信息相比，占用的频带要大几个数量级。所以在成像、传输、存储、处理、显示等各个环节的实现上技术难度较大，成本亦高。这就对频带压缩技术提出了更高的要求。

3)数字图像中各个像素不是独立的，其相关性大。在图像画面上，经常有很多像素有相同或接近的灰度。所以，图像处理中信息压缩的潜力很大。

4)数字图像处理后的图像受人的因素影响较大，因为图像一般是给人观察和评价的。

3、数字图像处理的优点

数字图像处理的优点主要表现在4个方面。

1)再现性好。数字图像处理与模拟图像处理的根本不同在于它不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化。只要图像在数字化时准确地表现了原稿，那么数字图像处理过程始终能保持图像的再现。

2)处理精度高。将一幅模拟图像数字化为任意大小的二维数组，主要取决于图像数字化设备的能力。

3)适用面宽。图像可以来自多种信息源，它们可以是可见光图像，也可以是不可见的波谱图像。只要针对不同的图像信息源，采取相应的图像信息采集措施，图像的数字处理方法适用于任何一种图像。

4)灵活性高。图像处理大体上可分为图像的像质改善、图像分析和图像重建三大部分，每一部分均包含丰富的内容。

4、数字图像处理的应用领域

图像是人类获取和交换信息的主要来源，因此，图像处理的应用领域必然涉及到人类生活和工作的方方面面，随着人类活动范围的不断扩大，图像处理的应用领域也将随之不断扩大。

航天和航空技术：在飞机遥感和卫星遥感技术中用配备有高级计算机的图像处理系统来判读分析，既节省人力又加快了速度，还可以从照片中提取人工所不能发现的大量有用情报。

生物医学工程：除了CT技术之外，还有对医用显微图像的处理分析，如红细胞、白细胞分类，染色体分析，癌细胞识别等。

数字图像处理实验报告 第八篇

1、产生运动模糊图像，运用维纳滤波进行图像恢复，显示结果。

i=imread('f:\')

I=rgb2gray(s)

I = im2double(I);

%模拟运动模糊

LEN = 21;

THETA = 11;

PSF = fspecial('motion', LEN, THETA);

blurred = imfilter(I, PSF, 'conv', 'circular');

%恢复图像

wnr2 = deconvwnr(blurred, PSF);

subplot(1,2,1);imshow(blurred);title('运动模糊图像')

subplot(1,2,2);imshow(wnr2);title('恢复图像')

i=imread('f:\')

BW1 = edge(I,'prewitt');

BW2 = edge(I,'zerocross');

BW3 = edge(I,'canny');

subplot(2,2,1);imshow(i);title('原图像')

subplot(2,2,2);imshow(BW1);title('prewitt边缘图')

subplot(2,2,3);imshow(BW2);title('zerocross边缘图')

subplot(2,2,4);imshow(BW3);title('canny边缘图')

3、对二值图像分别进行方形模板3*3和5*5的膨胀和腐蚀操作，显示结果。

a=imread('f:\')

i = rgb2gray(a)

I = im2bw(a,)

se3 = strel('disk',3);

erodedBW1 = imerode(I,se3);

se4 = strel('disk',5);

erodedBW2 = imerode(I,se4);

se1 = strel('ball',3,3);

I1 = imdilate(a,se1);

se2 = strel('ball',5,5);

I2 = imdilate(a,se2);

subplot(2,2,1);imshow(I1);title('3*3膨胀图像')

subplot(2,2,2);imshow(I2);title('5*5膨胀图像')

subplot(2,2,3);imshow(erodedBW1);title('3*3腐蚀图像')

subplot(2,2,4);imshow(erodedBW2);title('5*5腐蚀图像')

数字图像处理实验报告 第九篇

1、采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波，窗口分别采用3*3,5*5,7*7

I = imread('f:\');

J = imnoise(I,'salt & pepper',);

K1 = medfilt2(J,[3 3]);%对矩阵i进行二维中值滤波，领域为3*3

K2 = medfilt2(J,[5 5]);

K3 = medfilt2(J,[7 7]);

subplot(2,2,1);imshow(J);title('椒盐噪声干扰图像')

subplot(2,2,2);imshow(K1);title('领域为3*3二维中值滤波')

subplot(2,2,3);imshow(K2);title('领域为5*5二维中值滤波')

subplot(2,2,4);imshow(K3);title('领域为7*7二维中值滤波')

2、采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波

I = imread('f:\');

j=imnoise(i,'gaussian',0,);%模拟均值为0方差为的高斯噪声，

M= filter2(fspecial('average',9),J)/255; %模板尺寸为9

subplot(2,1,1);imshow(j);title('噪声干扰图像')

subplot(2,1,2);imshow(M);title('改进后的图像')

i=imread('f:\')

I=rgb2gray(s)

H=fspecial('sobel')%应用Sobel算子锐化图像

I1=filter2(H,I)%Sobel算子滤波锐化

H=fspecial('prewitt')%应用prewitt算子锐化图像

I2=filter2(H,I)%prewitt算子滤波锐化

H=fspecial('log')%应用log算子锐化图像

I3=filter2(H,I)%log算子滤波锐化

subplot(2,2,1);imshow(i);title('原图像')

subplot(2,2,2);imshow(I1);title('Sobel算子锐化图像')

subplot(2,2,3);imshow(I2);title('prewitt算子锐化图像')

subplot(2,2,4);imshow(I3);title('log算子锐化图像')

数字图像处理实验报告 第十篇

提高计算机对数字图像处理的速度， 提高采集分辨率和显示分辨率， 提高多媒体技术关键中图像数据的压缩， 进行计算机识别和理解研究中按照人类的认知和思维方式工作并考虑到主观概率和非逻辑思维技术，规划统一的标准以实现图像的处理、传输和存储研究健康发展， 以上几点都是数字图像处理技术合理发展的基本融汇技术基础。

同时， 信息数据量更大的三维数字图像必将得到广泛应用研究， 图像与图形相互融合后形成三维成像或多维成像的发展方向也正在众多应用中广泛推进。

5 总结

数字图像处理技术在社会的每个行业、 每个领域都得到广泛的应用， 数字图像处理的技术应用随时、随处都可以见到，得到充分的研究发展和应用推广，还不能充分满足日益增长的技术需求。数字图像处理技术不断地在自身发展和完善的同时， 还与多个计算机分支学科的发展密不可分， 有多个新的技术方向需要研究和创新， 对数字图像处理技术的发展方向进行研究、探讨的重要性就显得尤为突出。

参考文献:

[1] 朱 睿。数字图像处理技术现状与展望[J].中 国科技博览 ,（14）：7-28.

[2] 李红俊，韩冀皖。数字图像处理技术及其应用[J].计算机测量与控制，（9）：35-36.

[3] 李立芳。浅谈数字图像处理技术及应用 [J].中国科技信息，（3）：45-46.

[4] 谭海艳。数字图像压缩综述[J].科技经济市场，2023（8）。

数字图像处理实验报告 第十一篇

维纳滤波，

用法：J = deconvwnr(I,PSF,NSR)

用维纳滤波算法对图片I进行图像恢复后返回图像J。 I是一个N维数组。PSF是点扩展函数的卷积。NSP是加性噪声的噪声对信号的功率比。

I = im2double(imread('')); imshow(I); title('Original Image ');

%模拟运动模糊 Matlab中文论坛

LEN = 21; THETA = 11; PSF = fspecial('motion', LEN, THETA); blurred = imfilter(I, PSF, 'conv', 'circular'); figure, imshow(blurred)

%恢复图像http://www. wnr2 = deconvwnr(blurred_noisy, PSF); figure, imshow(wnr2) title('Restoration of Blurred')

数字图像处理实验报告 第十二篇

一. 实验内容:

主要是图像的几何变换的编程实现,具体包括图像的读取、改写,图像平移,图像的镜像,图像的转置,比例缩放,旋转变换等.

具体要求如下:

1.编程实现图像平移，要求平移后的图像大小不变;

2.编程实现图像的镜像;

3.编程实现图像的转置;

4.编程实现图像的比例缩放，要求分别用双线性插值和最近邻插值两种方法来实

现，并比较两种方法的缩放效果;

5.编程实现以任意角度对图像进行旋转变换，要求分别用双线性插值和最近邻插

值两种方法来实现，并比较两种方法的旋转效果.

二.实验目的和意义:

本实验的目的是使学生熟悉并掌握图像处理编程环境,掌握图像平移、镜像、转置和旋转等几何变换的方法，并能通过程序设计实现图像文件的读、写操作，及图像平移、镜像、转置和旋转等几何变换的程序实现.

三.实验原理与主要框架:

实验所用编程环境:

Visual C++(简称VC)是微软公司提供的基于C/C++的应用程序集成开发工具.VC拥有丰富的功能和大量的扩展库，使用它能有效的创建高性能的Windows应用程序和Web应用程序.

VC除了提供高效的C/C++编译器外，还提供了大量的可重用类和组件，包括著名的微软基础类库(MFC)和活动模板类库(ATL)，因此它是软件开发人员不可多得的开发工具.

VC丰富的功能和大量的扩展库，类的重用特性以及它对函数库、DLL库的支持能使程序更好的模块化，并且通过向导程序大大简化了库资源的使用和应用程序的开发，正由于VC具有明显的优势，因而我选择了它来作为数字图像几何变换的开发工具.

在本程序的开发过程中，VC的核心知识、消息映射机制、对话框控件编程等都得到了生动的体现和灵活的应用.

实验处理的对象:256色的BMP(BIT MAP )格式图像

BMP(BIT MAP )位图的文件结构:

具体组成图: BITMAPFILEHEADER

位图文件头

(只用于BMP文件) bfType=”BM” bfSize bfReserved1

bfReserved2

bfOffBits

biSize

biWidth

biHeight

biPlanes

biBitCount

biCompression

biSizeImage

biXPelsPerMeter

biYPelsPerMeter

biClrUsed

biClrImportant

单色DIB有2个表项

16色DIB有16个表项或更少

256色DIB有256个表项或更少

真彩色DIB没有调色板

每个表项长度为4字节(32位)

像素按照每行每列的顺序排列

每一行的字节数必须是4的整数

倍BITMAPINFOHEADER 位图信息头 Palette 调色板 DIB Pixels DIB图像数据

1. BMP文件组成

BMP文件由文件头、位图信息头、颜色信息和图形数据四部分组成.

2. BMP文件头

BMP文件头数据结构含有BMP文件的类型(必须为BMP)、文件大小(以字节为单位)、位图文件保留字(必须为0)和位图起始位置(以相对于位图

文件头的偏移量表示)等信息.

3. 位图信息头

BMP位图信息头数据用于说明位图的尺寸(宽度,高度等都是以像素为单位,大小

以字节为单位, 水平和垂直分辨率以每米像素数为单位) ,目标设备的级别，每个像素所需的位数, 位图压缩类型(必须是 0)等信息.

4. 颜色表

颜色表用于说明位图中的颜色，它有若干个表项，每一个表项是一个RGBQUAD

类型的结构，定义一种颜色.具体包含蓝色、红色、绿色的亮度(值范围为0-255)

位图信息头和颜色表组成位图信息

5. 位图数据

位图数据记录了位图的每一个像素值，记录顺序是在扫描行内是从左到右,扫描

行之间是从下到上.

Windows规定一个扫描行所占的字节数必须是 4的倍数(即以long为单位),不足的以0填充.

BMP(BIT MAP )位图的显示:

①一般显示方法:

1. 申请内存空间用于存放位图文件

2. 位图文件读入所申请内存空间中

3. 在函数中用创建显示用位图, 用函数创建兼容DC,用函数选择显示删除位图

但以上方法的缺点是: 1)显示速度慢; 2) 内存占用大; 3) 位图在缩小显示时图形失真大,(可通过安装字体平滑软件来解决); 4) 在低颜色位数的设备上(如256显示模式)显示高颜色位数的图形(如真彩色)图形失真严重.

②BMP位图缩放显示 :

用视频函数来显示位图，内存占用少，速度快，而且还可以对图形进行淡化(Dithering )处理.淡化处理是一种图形算法，可以用来在一个支持比图像所用颜色要少的设备上显示彩色图像.BMP位图显示方法如下:

1. 打开视频函数，一般放在在构造函数中

2. 申请内存空间用于存放位图文件

3. 位图文件读入所申请内存空间中

4. 在 函数中 显示位图

5. 关闭视频函数 ,一般放在在析构函数中

以上方法的优点是: 1)显示速度快; 2) 内存占用少; 3) 缩放显示时图形失真小,4) 在低颜色位数的设备上显示高颜色位数的图形图形时失真小; 5) 通过直接处理位图数据，可以制作简单动画.

程序中用到的访问函数

Windows支持一些重要的DIB访问函数，但是这些函数都还没有被封装到MFC中，这些函数主要有：

1. SetDIBitsToDevice函数：该函数可以直接在显示器或打印机上显示DIB. 在显

示时不进行缩放处理.

2. StretchDIBits函数：该函数可以缩放显示DIB于显示器和打印机上.

3. GetDIBits函数：还函数利用申请到的内存，由GDI位图来构造DIB.通过该函数，

可以对DIB的格式进行控制，可以指定每个像素颜色的位数，而且可以指定是否进行压缩.

4. CreateDIBitmap函数：利用该函数可以从DIB出发来创建GDI位图.

5. CreateDIBSection函数：该函数能创建一种特殊的DIB，称为DIB项，然后返回

一个GDI位图句柄.

6. LoadImage函数：该函数可以直接从磁盘文件中读入一个位图，并返回一个DIB

句柄.

7. DrawDibDraw函数：Windows提供了窗口视频(VFW)组件，Visual C++支持该

组件.VFW中的DrawDibDraw函数是一个可以替代StretchDIBits的函数.它的最主要的优点是可以使用抖动颜色，并且提高显示DIB的速度，缺点是必须将VFW代码连接到进程中.

图像的几何变换

图像的几何变换，通常包括图像的平移、图像的镜像变换、图像的转置、图像的缩放和图像的旋转等.

数字图像处理实验报告 第十三篇

1、对一幅图像进行2倍、4倍、8倍和16倍减采样，显示结果。

a=imread('f:\')

c=rgb2gray(a)

b=c-46

subplot(2,1,1);imhist(c);title('原图像')

subplot(2,1,2);imhist(b);title('变暗后的图像')

b=imread('f:\')

c=rgb2gray(b)

j=histeq(c)

subplot(2,2,1),imshow(c)

subplot(2,2,2),imshow(j)

subplot(2,2,3),imhist(c) %显示原始图像直方图

subplot(2,2,4),imhist(j) %显示均衡化后图像的直方图

I=imread('f:\');

>> J=histeq(I,64); %均衡化成32个灰度级的直方图

>> [counts,x]=imhist(J); %返回直方图图像向量counts

>> M=histeq(Q,counts); %将原始图像Q的直方图变成指定向量counts

>> figure,

>> subplot(3,2,1),imshow(I);

>> subplot(3,2,2),imshow(Q);

>> subplot(3,2,3),imhist(I);

>> subplot(3,2,4),imhist(Q)

>> subplot(3,2,5),imhist(J);

>> subplot(3,2,6),imhist(M);

数字图像处理实验报告 第十四篇

数字图像是我们生活中接触最多的图像各类，它伴随人们的生活、学习、工作，并在军事、医学、和工业方面发挥着极大的作用，可谓随处可见，尤其在生活方面作为学生的我们会在外出旅游、生活、工作中拆下许多数字相片，现在已进入信息化时代，图像作为信息的重要载体在信息传输方面有着声音、文字等信息载体不可替代的作用，并且近年来图像处理领域，数字图像处理技术取得了飞速发展，作为计算机类专业的大学生更加有必要对数字图像处理技术有一定的掌握，而大多人对于数字图像的知识却不全面，甚至一些基础知识也很模糊，比如各类繁多的各种图像格式之间的特点，不同的情况该用何种图像格式，还有关于图像的一些基本术语也不甚了解，尤为重要的是对于一些由于拍摄问题导致的令人不甚满意的照片该如何处理，或者如何对一些照片进行处理实现特殊的表现效果。所以对于数字图像处理这门课大家有着极大兴趣，在选课时几乎所有人都选了这门课。其中有的同学由于简单的学习过PHOTOSHOP软件，因此对于数字图像处理已经有了一些基础，更加想利用这门课的学习加深自己数字图像处理的理解并提高在数字图像处理方面的能力。

通过一学期的课程学习我们虽说还没有完全掌握数字图像处理技术，但也收获了不少，对于数字图像方面的知识有了深入的了解，更加理解了数字图像的本质，即是一些数字矩阵，但灰度图像和彩色图像的矩阵形式是不同的。对于一些耳熟能详的数字图像相关术语有了明确的认识，比如常见的：像素（衡量图像的大小）、分辨率（衡量图像的清晰程度）、位图（放大后会失真）、矢量图（经过放大不会失真）等大家都能叫上口却知识模糊的名词。也了解图像处理技术中一些常用处理技术的实质，比如锐化处理是使模糊的图像变清晰，增强图像的边缘等细节。而平滑处理是的目的是消除噪声，模糊图像，在提取大目标之前去除小的细节或弥合目标间的缝隙。对常提的RGB图像和灰度图像有了明确的理解，这对大家以后应用PHOTOSHOP等图像处理软件对图像进行处理打下了坚实的基础。更重要的是学习到了数字图像处理的思想。通过学习也是对C++编程应用的很好的实践与复习。

当然通过30学时的课程学习还是远远不够的，也有许多同学收获甚微，我总结了下大家后期的学习态度与前期的学习热情相差很大的原因。刚开始大家是有很高的热情学习这门课的，可是随着课程的逐渐深入学习，大家渐渐发现课程讲授内容与自己起初想学的实用图像处理技术是有很大的差别的，大家更着眼于如何利用一些软件、技术去处理图像而得到满意的效果，或者进行一些图像的创意设计，可是课程的内容更偏重于如何通过编程实现实现如何对图像进行一些类似于锐化、边缘提取、模糊、去除噪声等基础功能的实现，这其中涉及很多算法、函数，需要扎实的数学基础和编程基础，并且需要利用大量时间在课下编写代码，并用VISUAL、C++软件实现并进行调试，然而大部分人的C++实践能力以及编程能力还有待提高，尤其是对于矩阵进行操作的编程尤为是个考验，并且后半学期课程任务较重，加上队里的事务也很多，时间不是很充裕，这对于需要大量实践的数字图像处理课程就是个很大的问题。

在教员授课方面建议可以在课上多进行具体操作，这样可以提起大家学习的兴趣，也可以让大家在课下积极准备，然后在上课由学员进行演示，还可以加入一些数字图像处理的经典范例，加深同学们的学习热情。

数字图像处理实验报告 第十五篇

一、实验的目的和意义

实验目的：本实验内容旨在让学生通过用VC等高级语言编写数字图像处理的一些基本算法程序，来巩固和掌握图像处理技术的基本技能，提高实际动手能力，并通过实际编程了解图像处理软件的实现的基本原理。为学生进一步学习数字摄影测量、遥感和地理信息系统等专业课程以及应用图像处理解决实际问题奠定基础。

二、实验原理和方法

(1) Raw格式到BMP格式的转换：

Raw格式：Raw格式文件是按照数字图像组成的二维矩阵，将像素按行列号顺序存储在文件中。这种文件只含有图像像素数据，不含有信息头，因此，在读图像时，需要根据文件大小，计算图像所包含的行列号，或者需要事先知道图像大小(矩阵大小)。RAW文件按图像上行到下行、左列到右列顺序存储。

BMP格式：BMP文件数据区按图像上下行到上行、左列列到右列顺序存储到数据区。BMP文件由文件头、信息头、颜色表、数据区四个部分组成。

做Raw格式文件到BMP格式文件的转化，先要为BMP格式文件申请四部分的内存：文件头，位图信息头，颜色表，图象数据，然后根据输入值以及Raw文件信息，BMP格式文件信息计算出这几部分的值，赋给他们，写到BMP文件中去。

(2) 灰度图象的线性拉伸：

灰度变化是点运算，将原图象的每个像素的灰度值改成线性变化之后的灰度即可。

灰度的线性变换就是指图像的中所有点的灰度按照线性灰度变换函数进行变换。灰度变换方程如下：

该方程为线性方程。式中参数 为输入图像的像素的灰度值，参数 为输出图像的

灰度值。

设原图象的灰度范围为[a,b],变化之后的范围为[a’,b’]，则：

fA=(b’-a’)/(b-a)

fB=-(b’-a’)/(b-a)*a+a’

如果算出来的值大于255，则让它等于255，小于0则让其等于0。

(3) 局部处理(3*3高通滤波，3*3低通滤波)：

局部处理在处理某一像素时，利用与该像素相邻的一组像素，经过某种变换得到处理后图像中某一点的像素值。目标像素的邻域一般是由像素组成的二维矩阵，该矩阵的大小为奇数，目标像素位于该矩阵的中央，即目标像素就是区域的中心像素。经过处理后，目标像素的值为经过特定算法计算后所得的结果。

实际上都是利用卷积来实现的，卷积往往用一个矩阵表示，将矩阵的中心对齐某个像素，矩阵中的值乘到相应的像素中去，然后将所有乘积加起来就得到中心像素的灰度值。边界像素不做处理，仍为原来的灰度值。求出的像素灰度值若超过[0~255]，则向离其最近的属于该范围的`像素值靠拢。

3*3低通滤波的算子见表1。

3*3高通滤波的算子见表2。

表格 1

1/9

1/9

1/9

1/9

1/9

1/9

1/9

1/9

1/9

表格 2

(4) 图象几何处理(图象平移，图象缩放)：

对于图像平移来说，若平移量是(tx，ty)，像素在原图像中的坐标为(x0，y0)，则变化后的坐标为(x1，y1)，x1=x0+tx，y1=y0+ty。平移只需改变像素的灰度值，不必改变位图信息头和调色板内容。

对于图像缩放，假设放大因子为ratio，缩放的变换矩阵为：

图像信息头中新图像的宽度和高度都变为原来宽度和高度分别与水平垂直比例的乘积，图像大小变为新宽度(变为4的整数倍)与新高度的乘积。

(5) 灰度图象中值滤波：

中值滤波也属于局部处理的一种，将窗口中的各个像素排序之后排序，取中值赋给模板中心的像素，所以窗口中个数一般是基数。

我用的中值滤波窗口是十字丝的9个数的窗口。

(6) 灰度图象边缘检测：

边缘检测有三种算子：Roberts，Prewit，Sobel。三种算子都是做一阶差分的，通过算子算出各个像素的梯度值，将水平梯度的绝对值和垂直梯度的绝对值相加，若此梯度值大于某个阈值，则将其灰度值赋为255，否则赋为0。

(7) 图象旋转：

图像旋转一般是以图像中心为中心顺时针旋转，利用图像的四个角点求出图像旋转后的大小。

先计算以图像中心为原点坐标系下原图像四个角点的坐标值，按照旋转矩阵计算其旋转之后的坐标值，根据四个角点的新坐标值计算出最大宽度和高度作为新图像的宽度和高度值，按照计算值修改位图信息头，申请一块新内存，存储旋转后图像的灰度值。

旋转矩阵如下：

同样要求各个像素在原图像中的坐标，先将新图像的坐标系平移到图像中心，做逆时针旋转，然后再平移到屏幕左上角，然后将原图像对应坐标的值赋给新图像。

(8) 图象二值化：

判断分析法：假定图像的灰度区间为[0，L-1]，则选择一阈值T 将图像的像素分为两组。

为最大值所对应的T，就是所求判断分析法的分割阈值。

搜寻到阈值之后，灰度值小于阈值的像素赋0，其他的赋1，修改文件信息头，调色板，申请新内存。

(9) 图象直方图：

统计各灰度值出现的频数，以及像素的总个数，用频数除以总个数作为频率，以灰度值作为横坐标，频率作为纵坐标绘图。

三、实验过程和步骤

首先要建立一个基于MFC的多文档工程，将视图基类改为滚动视图，以自己的学号命名。

我用的是书上给的CDib类，类里面有获取BMP宽度，高度的函数，有指向位图信息头的指针，指向图象数据的指针，因此我在文档类(Doc类)里定义了一个CDib类的对象，打开以及保存文件的时候利用这个对象去调用CDib里读取与存储文件的函数，并且可以利用这个对象的两个指针对打开的图象进行各种操作。

格式到BMP格式的转换：

数字图像处理实验报告 第十六篇

本人导师张崎，主要从事智能交通方面的研究。高年级学长曾做过车牌识别的研究。在学完数字图像处理这门课后，于是有了这篇关于车牌识别系统的心得体会。

仔细翻阅了几遍平时上课做的笔记，梳理了下各种图像处理方法在各中图像处理中起到的作用。结合对实际车牌识别过程的了解，谈谈自己对图像处理的各种方法在识别过程中起到的作用。

老师总说图像处理就是不讲道理，我觉得这就是最大的道理。为什么有人能够把不讲道理的东西做出来？这其中实际上蕴藏着深刻的道理。就像爱因斯坦证明布朗运动是毫无规律的运动一样，你发现他是毫无规律的，这其实就是他最大的规律。我想，只有对图像有了深刻的认识，才能完成这种你也说不出道理的事。

好了，现在我想结合这门课和车牌识别展开说说。

有时候，计算机跟人相比真的很傻，扔一张车牌尾号过来，不管它多么破旧、不清晰，人们能够轻而易举的读出上面的数字。而计算机呢？他要不停的运算、识别，而你算法上的一个小小漏洞，更会导致识别的大大不同。通过数字图像处理这门课的学习，我觉得可能通过下面的一些列步骤能较好的识别出车牌上的号码数字。

首先，我觉得我们需要将彩色的图片转换为灰色图像，这样便于计算机分析，计算机跟人刚好相反，好看的不一定好处理，而灰色的图像虽然不美观，但是正好适合计算机来处理。另一方面，将彩色图像转化为灰色图像也能减少图像所占的存储空间，简化和加快后续处理的工作。

其次，我觉得我们需要根据实际需要，对图像就行简单的预处理。我们应当让我们所关心的图像内容，显现的更加突出。而弱化那些我们所不关心的背景类似的东西。这里我觉得，我们就可以利用我们上课所学到的图像增强的知识了。需要注意的是，图像增强并不能增加原始图像的信息，只是通过某些技术有选择的突出对某一具体应用有价值的信息，即图像增强只通过突出某些信息，以增强对这些信息的辨识能力，而其他信息信息则被削弱，这就是我对图像增强的理解，我认为他是我们后期识别车牌的重要准备，增强的好坏直接影响了后期识别的准确度和速度。

然后，图像增强后，我觉得我们就应该对处理后的图像就行边缘检测，这里就直接会用到我们上课所学到的边缘检测的各种方法，边缘是图像的最基本特征，边缘部分集中了图像的大部分信息。边缘确定和提取对于整个图像场景的识别是非常重要的。而上一部的图像强也增强了边缘信息。

下一步，我认为就应该进行图像分割了，把各个字母数字单独分割出来，便于后续的进一步识别。

最后，就应该开始识别这些分割出来的图像，这一部分，我们课上内容并没有涉及，查阅了些资料，找到了比较可行的办法。即模式识别。我理解的过程是，首先我们应该建立一个标准模版库，然后通过将提取出来的样品与标准模版进行比较，来识别他们。

这就是上完数字图像处理课，我所能想到的车牌识别的整个过程，基本上需要用到我们所学的所有内容，而且都是比较基础的知识，我觉得，往往一个图像处理的问题，就是应该分成很多小问题来解决，一步步简化问题。一步步将图像中我们所最关心的内容提取出来。

毕竟没有深入学习过这方面的知识，本文纯属心得体会，过程中难免存在很多不足或者错误。恳请老师指出。

数字图像处理实验报告 第十七篇

创建形态学结构元素。

用法：

SE = STREL('arbitrary',NHOOD,HEIGHT) 创建一个指定领域的非平面结构化元素。HEIGHT是一个矩阵，大小和NHOOD相同，他指定了NHOOD中任何非零元素的高度值。

SE = STREL('ball',R,H,N) 创建一个空间椭球状的结构元素，其X-Y平面半径为R，高度为H。R必须为非负整数，H是一个实数。N必须为一个非负偶数。当N>0时此球形结构元素由一系列空间线段结构元素来近似。

SE = STREL('diamond',R) 创建一个指定大小R平面钻石形状的结构化元素。R是从结构化元素原点到其点的距离，必须为非负整数。

SE = STREL('disk',R,N) 创建一个指定半径R的平面圆盘形的结构元素。这里R必须是非负整数. N须是0, 4, 6, 8.当N大于0时,圆盘形结构元素由一组N(或N+2)个周期线结构元素来近似。当N等于0时,不使用近似，即结构元素的所有像素是由到中心像素距离小于等于R的像素组成。N可以被忽略,此时缺省值是4。注: 形态学操作在N>0情况下要快于N=0的情形。

se1 = strel('square',11) % 11乘以11的正方形

数字图像处理实验报告 第十八篇

检测灰度或者二值图像的边缘，返回一个二值图像，1像素是检测到的边缘，0像素是非边缘。

用法：BW = edge(I,'sobel',thresh,direction)，

I为检测对象；边缘检测算子可用sobel，roberts，prewitt，zerocross，log，canny；

thresh指定阈值，检测时忽略所有小于阈值的边缘，默认自动选择阈值；direction方向，在所指定的方向direction上，用 算子进行边缘检测horizontal(水平方向)、vertical(垂直方向)或both(两个方向)。

如：I = imread(''); BW1 = edge(I,'prewitt'); imshow(BW1);